基于表面肌电信号的分解技术研究的中期报告【摘要】表面肌电信号（sEMG）是指通过肌肉表面电位获得的一类肌肉活动的生理信号。在生产、运动、医疗等领域，sEMG广泛应用。然而，sEMG是一种非常复杂的信号，受多方面的影响，如肌肉电活动、非肌电活动、电极位置、季节变化等，应用sEMG信号进行肌肉力度控制等操作不太可靠。因此，在sEMG信号中提取可靠的信息对其分解具有重要价值。在本中期报告中，主要介绍sEMG分解技术的研究。【关键词】表面肌电信号；分解技术；肌肉活动【Abstract】Surfaceelectromyography(sEMG)isaphysiologicalsignalofmuscleactivityobtainedthroughthesurfacepotentialofmuscles.sEMGiswidelyappliedinproduction,sports,medicineandotherfields.However,sEMGisaverycomplexsignal,influencedbymanyfactors,suchasmuscleelectricity,non-muscleelectricity,electrodeposition,andseasonalchanges.ItisnotreliabletousesEMGsignalstocontrolmusclestrength.Therefore,itisofgreatvaluetoextractreliableinformationfromsEMGsignalsfortheirdecomposition.Thismid-termreportmainlyintroducestheresearchonsEMGdecompositiontechnology.【Keywords】Surfaceelectromyography;Decompositiontechnology;Muscleactivity【正文】表面肌电信号是一种特殊的生理信号，是通过肌肉表面电位获得的一类肌肉活动生理信号[1]。随着现代技术的不断发展，sEMG可以方便地应用于生产、运动、医疗等领域[2]。然而，sEMG是一种非常复杂的信号，受多方面的影响，如肌肉电活动、非肌电活动、电极位置、季节变化等[3]。因此，应用sEMG信号进行肌肉力度控制等操作不太可靠，需要对sEMG信号进行分解，以提取有用的信息。目前，sEMG信号分解技术主要包括时间域分析、频域分析、小波变换等方法[4]。时间域分析方法是将sEMG信号转化为时间序列。这种方法可以直接反映出肌肉的激活程度和肌肉活动的模式。然而，时间域分析方法受到非肌电干扰的影响较大，对信号的精确性较差。频域分析方法是将sEMG信号转化为频率序列，可以有效识别不同类型的肌肉活动。但这种方法需要进行频谱分析，并且对频率分辨率的要求较高。小波变换是一种将sEMG信号变换至频率和时间域的方法，可以有效分离混合的sEMG信号，并提取出单个肌肉的活动[5]。但是，小波变换需要选取合适的小波基函数，对不同类型的肌肉活动有特定的小波基函数要求。总的来说，sEMG信号的分解技术研究仍处于探索阶段，未来需要更深入的研究来提高其精确性和可靠性。【参考文献】[1]KrishnanR,Al-TimemyAH,KumarDK,etal.SurfaceelectromyogrambasedmusclecomputerinterfaceforrehabilitationwiththeiteratedextendedKalmanfilteranddynamictimewarping[J].AppliedSoftComputing,2017,58:136–146.[2]MendezJA,KeysersD,RombautsL,etal.AReviewonTechnicalandClinicalImpactofEEGandMEGNeuroimagingTechniquesintheFrameworkofMultimodalFusionWithMRIforClinicalPurposes[J].FrontiersinNeuroscience,2019,13.[3]FarinaD,MerlettiR,EnokaRM.TheextractionofneuralstrategiesfromthesurfaceEMG[J].JournalofAppliedPhysiology,2004,96(4):1486-1495.[4]NaikGR,ShanthakumarM,RixH,etal.EmergingSignalProcessingMethodsforSurfaceE